CN105551001B - 一种图像重建方法、装置及设备 - Google Patents

一种图像重建方法、装置及设备 Download PDF

Info

Publication number
CN105551001B
CN105551001B CN201510920976.5A CN201510920976A CN105551001B CN 105551001 B CN105551001 B CN 105551001B CN 201510920976 A CN201510920976 A CN 201510920976A CN 105551001 B CN105551001 B CN 105551001B
Authority
CN
China
Prior art keywords
projection
data
reconstruction
image
data set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510920976.5A
Other languages
English (en)
Other versions
CN105551001A (zh
Inventor
丁浩达
郭红宇
胡红兵
邱少坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neusoft Medical Systems Co Ltd
Original Assignee
Neusoft Medical Systems Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Neusoft Medical Systems Co Ltd filed Critical Neusoft Medical Systems Co Ltd
Priority to CN201510920976.5A priority Critical patent/CN105551001B/zh
Publication of CN105551001A publication Critical patent/CN105551001A/zh
Priority to EP16201077.1A priority patent/EP3182377B1/en
Priority to US15/366,719 priority patent/US10008012B2/en
Application granted granted Critical
Publication of CN105551001B publication Critical patent/CN105551001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/436—Limited angle

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明实施例公开了一种图像重建方法、装置和设备，其中所述方法包括：获取对被扫描对象进行扫描得到的第一投影数据组；利用所述第一投影数据组进行图像重建，得到第一重建数据；根据所述第一重建数据进行投影计算，得到第二投影数据组；对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；利用优化后的第一投影数据组进行重建，得到第二重建数据；根据所述第二重建数据生成图像，实现图像重建。本发明实现了减少图像中放射状伪影，提高对比度，改善图像质量的目的。

Description

一种图像重建方法、装置及设备
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像重建方法、装置及设备。
背景技术
目前，在医疗成像领域中，利用如计算机层析成像(Computed Tomography，CT)或核磁共振成像(Magnetic Resonance Imaging，MRI)等医疗设备对病人进行扫描检查后，通常需要对扫描数据进行图像重建，以生成可供医生查看的图像。
基于投影的方式实现图像重建的方法有很多，例如直接反投影法、滤波反投影法(Filtered Back Projection，FBP)或傅立叶直接变换法等，其实质是按照采集的投影数据，求解图像矩阵中的像素值，以重新构造图像的过程。CT、磁共振接收器在运行过程中由于噪声污染等原因造成投影数据丢失或损坏，导致图像重建后图像的背景出现明显的条状伪影，而且对比度较低，影响MRI图像或CT图像的质量，从而也影响医生根据获得的MRT或CT图像进行诊断的准确性。
发明内容
为了解决现有技术中存在的图像重建后生成的图像背景中出现明显的条状伪影，而且对比度较低，影响图像质量的技术问题，本发明提供了一种图像重建方法、装置及设备，实现了减少图像中条状伪影，提高对比度，改善图像质量的目的。
本发明实施例提供了一种图像重建方法，所述方法包括：
获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
利用所述第一投影数据组进行图像重建，得到第一重建数据；
根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据；
对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；
利用优化后的第一投影数据组进行重建，得到第二重建数据；
根据所述第二重建数据生成图像，实现图像重建。
优选的，所述对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据包括：
对每个投影角度对应的第一投影数据和第二投影数据分别计算二者的相关系数，若所述相关系数的数值小于或等于第一阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
优选的，所述对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据包括：
分别计算每个投影角度对应的第一投影数据和第二投影数据的范数，若所述范数大于或等于第二阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
优选的，在得到第二重建数据之后，所述方法还包括：
若不满足迭代完成条件，则返回执行根据所述第一重建数据进行投影计算的步骤，并将该步骤中的第一重建数据替换为所述第二重建数据，以进行迭代；
所述根据所述第二重建数据生成图像包括：
利用迭代完成后最终得到的重建数据生成图像。
优选的，所述迭代条件包括达到迭代次数，或上一次迭代得到的重建数据与本次迭代得到的重建数据之间的差异小于或等于预设限值。
优选的，所述利用第一投影数据组进行图像重建包括：
根据滤波反投影算法、直接反投影算法或傅立叶直接变换法对第一投影数据组进行图像重建。
优选的，所述利用优化后的第一投影数据组进行重建包括：
根据滤波反投影算法、直接反投影算法或傅立叶直接变换法对优化后的第一投影数据组进行重建。
本发明实施例还提供了一种图像重建装置，所述装置包括：获取单元、第一图像重建单元、投影单元、计算单元、第二图像重建单元和图像生成单元；其中，所述获取单元与所述第一图像重建单元连接，所述第一图像重建单元和所述投影单元连接，所述投影单元和所述计算单元连接，所述计算单元和所述第二图像重建单元连接，所述第二图像重建单元和所述图像生成单元连接；
所述获取单元，用于获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
所述第一图像重建单元，用于利用第一投影数据组进行图像重建，得到第一重建数据，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
所述投影单元，用于根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据；
所述计算单元，用于对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；
所述第二图像重建单元，用于利用优化后的第一投影数据组进行图像重建，得到第二重建数据；
所述图像生成单元，用于根据所述第二重建数据生成图像，实现图像重建。
优选的，所述计算单元，具体用于：
对每个投影角度对应的第一投影数据和第二投影数据分别计算二者的相关系数，若所述相关系数的数值小于或等于第一阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
优选的，所述计算单元，具体用于：
分别计算每个投影角度对应的第一投影数据和第二投影数据的范数， 若所述范数大于或等于第二阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
优选的，所述装置还包括：
迭代判断单元，分别与所述第二图像重建单元和投影单元连接，用于判断是否满足迭代完成条件，若否，则将所述第二重建数据发送至所述投影单元，以进行迭代，并激活所述投影单元；若是，则激活所述图像生成单元；
所述投影单元，还用于根据所述第二重建数据进行投影计算，得到第二投影数据组；
所述图像生成单元，具体用于利用迭代完成后最终得到的重建数据生成图像，以实现图像重建。
本发明实施例还提供了一种图像重建设备，所述设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
利用所述第一投影数据组进行图像重建，得到第一重建数据；
根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据；
对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；
利用优化后的第一投影数据组进行重建，得到第二重建数据；
根据所述第二重建数据生成图像，实现图像重建。
本发明利用扫描得到的第一投影数据组进行图像重建，得到第一重建数据，然后将第一重建数据进行投影计算得到第二投影数据组，接着对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，如果二者的相关性满足预设条件，也就是第一投影数据和第二投影数据之间 的差异较大，则认为第一投影数据为缺失或损坏的投影数据，并将所述第一投影数据替换为第二投影数据，由于第二投影数据比第一投影数据更加满足正弦条件，因此实现了对第一投影数据组的优化。当对所有的投影角度都进行相关性计算后，根据优化后的第一投影数据组进行图像重建，得到第二重建数据，相对于利用优化前的第一投影数据进行图像重建得到的图像，利用所述第二重建数据生成的图像减少了条状伪影，提高的图像对比度，提升了图像的质量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1(a)为空间中一个点在一个投影角度下进行投影的原理示意图；
图1(b)为空间中一个点在多个投影角度下进行投影的原理示意图；
图1(c)为对空间中一个点在多个投影角度下进行投影形成的正弦曲线示意图；
图2为投影点与正弦曲线图；
图3为对脑部进行投影扫描获取的投影数据对应的投影图；
图4为根据脑部进行投影扫描的投影数据进行图像重建生成的图像；
图5为本发明提供的一种图像重建方法实施例一的流程图；
图6为本发明提供的一种图像重建方法实施例一中优化后的脑部投影数据对应的投影图；
图7为本发明提供的一种图像重建方法实施例一中根据优化后的脑部投影数据图像重建得到的图像；
图8为本发明提供的一种图像重建方法实施例二的流程图；
图9为本发明提供的一种图像重建装置实施例一的结构框图；
图10为本发明提供的一种图像重建装置实施例二的结构框图；
图11为本发明实施例提供的一种图像亮度调节装置的硬件架构图。
具体实施方式
在介绍本发明提供的投影数据处理方法和装置之前，首先介绍一下投影和图像重建的原理。
参见图1(a)，由x轴和y轴构成的坐标系为脑部图像的坐标系，由t轴和r轴构成的坐标系为投影坐标系。其中t轴以及平行于t轴的直线表示投影线，r轴表示垂直于投影线的投影平面，r轴和x轴的夹角θ表示投影角度。极坐标(s，Φ)为空间中任意一点的位置，其中，s表示该点距离坐标原点O的距离，Φ表示该点与坐标原点O的连线与x轴的夹角。穿过点(s，Φ)且垂直于r轴的直线表示穿过该点的投影线，该投影线与r轴的交点即为投影点。在对点(s，Φ)进行投影的过程中，随着投影角度的变化，r轴的位置也不断变化，而穿过点(s，Φ)的投影线始终与r轴保持垂直关系，因此投影点所处的位置坐标都应当落在以s为直径构成的圆上，参见图1(b)。由此可以得出，每一个特定点，在连续360度旋转的扫描中对应的投影点的连线可以表现为一条正弦曲线，参见图1(c)。参见图2(a)，该图中利用黑、灰、白三种颜色表示人体的密度，假设其中黑色表示人体的密度为0，灰色表示人体的密度为25，白色表示人体的密度为50。假设图2(a)白色点表示人体的某个病灶，在投影线旋转360度照射得到的投影点形成的正弦曲线如图2(b)。根据上述原理，可以得到投影扫描的所有投影点的投影图。参见图3，该图为根据对模拟脑部扫描得到的扫描数据组绘制的投影图，该图是由很多条正弦曲线形成的。由于CT、磁共振接收器在运行过程中产生噪声污染，或磁共振发射器故障发射不出信号等原因，造成某个或某些投影角度对应的投影数据丢失或损坏，不符合正弦条件，所谓正弦条件就是指投影数据可以形成正弦曲线，不符合正弦条件就是指投影数据无法形成正弦曲线。
图3为投影数据丢失的情况，在投影数据丢失的情况下默认人体密度为0，表现在图3中即为出现一条条黑色的线条，一个黑色线条表示缺失至少一个投影角度的投影数据。
图像重建是根据人体横剖面的一组投影数据，经过计算机处理后得到 物体该横剖面的图像的过程。参见图2，图像重建就是根据图2(b)中投影图对应的投影数据，经过一系列计算得到图2(a)的图像的过程。参见图4，该图为根据图3的脑部扫描的投影数据组重建的图像，可以看到，由于某个或某些投影角度对应的投影数据的缺失，重建数据不理想，导致图像背景中出现非常明显的条状伪影，而且对比度较差。
投影数据损坏是指由于噪声污染，而导致实际得到的投影数据与理想的投影数据之间差距较大，也不符合正弦条件，虽然投影图中不会出现如图3中一条一条黑色的线条，但是也会出现与其他图像不吻合的线条。根据损坏的投影数据得到的重建图像也会出现如图3中的条状伪影，而且对比度也较差。
为了解决由于投影数据移动造成的重建图像出现伪影的技术缺陷，本发明提供了一种图像重建方法、装置和设备。为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
方法实施例一：
参见图5，该图为本发明提供的一种图像重建方法实施例一的流程图。
本实施例提供的图像重建方法包括如下步骤：
步骤S101：获取对被扫描对象进行扫描得到的第一投影数据组。所述第一投影数据组包括每个投影角度各自对应的第一投影数据。
在实际应用中，所述投影角度可以进行预先设定，例如360度中每一度都作为一个投影角度，或者也可以每间隔一度作为一个投影角度，例如1度、3度等，本发明不对如何预先设定投影角度进行限定，本领域技术人员可以根据具体情况自行设计。
步骤S102：利用所述第一投影数据组进行图像重建，得到第一重建数据。
目前，图像重建算法大致包括两类：变换法和级数展开法。傅立叶直接变换法、滤波反投影算法和直接反投影算法是基于投影的方式实现图像重建常用的三种算法，这三种算法都属于变换法。其中，由于滤波反投影算法具有重建速度快、空间和密度分辨率高等优点，因此得到广泛的应用。下面介绍滤波反投影算法、直接反投影算法以及傅立叶直接变换法的计算步骤。
滤波反投影算法的计算步骤如下：
(1)假设投影数据Sθ(r)为在一次投影过程中投影角度θ对应的数据，其中r表示在投影坐标轴下的坐标值。对投影数据Sθ(r)进行傅立叶变换，即：Fθ(R)＝FFT(Sθ(r))。
(2)对Fθ(R)中每一点的值均分别乘以一个一维权重因子W(R)，并进行逆傅立叶变换，得到修正后的投影数据S'θ(r)，即
(3)对修正后的投影数据S'θ(r)进行直接反投影计算，所述直接反投影函数为其中，x代表重建图像的行坐标，y代表重建图像的列坐标，所述δ(x cosθ+y sinθ-r)为投影角度为θ、距离投影中心(也就是投影坐标系原点)为r的投影线的狄拉克δ函数。
(4)改变投影角度，重复步骤(1)至(3)，直至得到每个投影角度的反投影结果，将每一个投影角度θ的反投影结果bθ(x,y)求和后即为最终重建数据：M(x,y)＝Σθbθ(x,y)。
直接反投影算法与滤波反投影算法的区别在于，在获得投影数据后，直接利用反投影函数进行计算，不对投影数据进行傅里叶变换和反傅里叶变换，也就是不对投影数据进行修正。由于没有对投影数据修正的步骤，因此直接反投影算法的图像重建效果没有滤波反投影算法的效果好。
傅立叶直接变换法的计算公式为：
其中，所述M(x,y)为重建数据，所述Fθ(R)为F(u,v)的极坐标表示， Fθ(R)＝FFT(Sθ(r))，Sθ(r)为投影数据。
在本实施例中，利用滤波反投影算法、直接反投影算法或傅立叶直接变换法对第一投影数据组进行图像重建，得到第一重建数据M(x,y)。当然，上述三种算法并不构成对本发明的限定，本领域技术人员还可以根据其他重建算法对第一投影数据组进行图像重建。
步骤S103：根据所述第一重建数据进行投影计算，得到第二投影数据组。
在本实施例中，根据所述第一重建数据进行投影计算，得到第二投影数据组Tθ(r)，所述Tθ(r)＝∫∫M(x,y)δ(x cosθ+y sinθ-r)dxdy。其中，M(x,y)为第一重建数据，所述δ(xcosθ+ysinθ-r)为投影角度为θ、距离投影中心(也就是投影坐标系原点)为r的投影线的狄拉克δ函数。所述第二投影数据组包括每个投影角度各自对应的第二投影数据。需要注意的是，上述关于Tθ(r)的计算公式并不构成对本发明的限定，本领域技术人员还可以根据其他对重建数据进行投影的公式得到所述第二投影数据组。
步骤S104：对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对第一投影数据的优化。
在理想投影情况下，若第一投影数据没有缺失和损坏，则第一投影数据和根据第一重建数据得到的第二投影数据是完全相同的，且满足正弦波动条件，但是由于第一投影数据缺失或损坏，不满足正弦波动条件，造成第一投影数据和所述第二投影数据存在差异。所谓不满足正弦条件的含义是图1(c)中的正弦曲线中由于缺失某个或某些点而无法完整形成，或某个或某些点不在该正弦曲线上。而根据第一重建数据进行投影计算得到的第二投影数据组是满足正弦波动条件的，也就是可以形成图1(c)中的正弦曲线。因此根据第一重建数据投影得到的第二投影数据组在理论上比第一投影数据组更接近理想投影情况下的投影数据。发明人认为，若将第一投影数据组中缺失或损坏的第一投影数据替换为理想投影情况下的第二投影数据，则第一投影数据组满足正弦波动条件的可能性大大提高。
基于上述认识，发明人还发现，由于第一投影数据的缺失或损坏，导致第一投影数据组中没有缺失和损坏的投影数据与经过投影计算得到的第 二投影数据组中的数据也存在差异，只是比起缺失或损坏的投影数据的差异要小很多。为了实现既保留原始没有缺失或损坏的第一投影数据，又改善缺失或损坏的投影数据，在本实施例中，对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，也就是二者的差异较大，则认为所述第一投影数据为缺失或损坏的投影数据，并将该投影角度对应的第一投影数据替换为第二投影数据；如果二者的相关性不满足预设条件，也就是二者的差异较小，则认为该第一投影数据不是缺失或损坏的投影数据，并保留该第一投影数据。
在本实施例中，所述相关性计算可以是相关系数的计算。所述相关系数(Correlation coefficient)是用以反映变量之间相关关系密切程度的统计指标。以皮尔逊相关系数为例，皮尔逊相关系数又称简单相关系数，描述的是两个变量之间线性相关强弱的程度。应用在本实施例中，关于所述第一投影数据和所述第二投影数据的相关系数为：
其中，所述N为投影线总数。所述Corr为所述相关系数，取值在[-1,1]之间。若Corr大于0，则表明第一投影数据和第二投影数据为正相关；若Corr小于0，则表明第一投影数据和第二投影数据为负相关。Corr的绝对值越大表明相关性越强，绝对值越小表明相关性越弱。在本实施例中，所述预设条件为：若所述第一投影数据和所述第二投影数据的相关系数数小于或等于第一阈值，则认为第一投影数据和第二投影数据的差异较大，因此将该投影角度对应的第一投影数据替换为第二投影数据。所述第一阈值应当大于零，也就是说，若所述相关系数为正，且小于第一阈值，则说明第一投影数据和第二投影数据虽然正相关，但是相关性较小；若所述相关系数为负，则说明第一投影数据和第二投影数据为负相关。这两种情况都认为第一投影数据和第二投影数据差异较大。
此外，所述相关性计算还可以是范数(Norm)的计算。所谓范数是具有“距离”概念的函数，是为矢量空间内的所有矢量赋予非零的正长度或大 小。
在本实施例中，计算所述投影角度θ对应的第一投影数据和第二投影数据的范数的公式为：
或，
其中，Lpθ为投影角度θ对应的范数，p为范数空间的次数，N为投影线总数。Lpθ越大表示第一投影数据和第二投影数据的距离越远，二者的差异越大；Lpθ越小表示第一投影数据和第二投影数据的距离越近，二者的差异越小。所述预设条件为：若所述范数大于或等于第二阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
可以理解的是，上述计算投影角度θ对应的第一投影数据和第二投影数据的相关性的两种计算方法并不构成对本发明的限定，本领域技术人员还可以根据实际情况自行设计。
步骤S105：利用优化后的第一投影数据进行重建，得到第二重建数据。
步骤S106：根据所述第二重建数据生成图像，实现图像重建。
在本实施例中，当对所有投影角度对应的第一投影数据和第二投影数据的相关性计算完成后，可以利用如滤波反投影算法、直接反投影算法或傅立叶直接变换法等图像重建算法对优化后的第一投影数据进行重建，得到第二重建数据。由于优化后的第一投影数据组中缺失或损坏的第一投影数据被同投影角度对应的第二投影数据所替代，因此根据第二重建数据得到的重建图像放射状伪影减少，对比度也得到了提高。以投影数据缺失为例，参见图6，该图为根据优化后的第一投影数据组得到的投影数据图，该图中没有再出现一条一条的黑线，而是完整的图像。参见图7，该图为根据图6对应的优化后的第一投影数据组重建得到的第二重建数据生成的图像，相比于图3，该图背景中的条状伪影减少了很多，而且对比度更高，提高了图像质量，也增加了根据重建后图像进行诊断的准确性。图7中的放射状伪影之所以有所减少而并非完全消失的原因在于，优化后的第一投影数据组是没有缺失或损坏的原始投影数据与缺失或损坏的投影数据优化 后的组合，这些投影数据组合在一起只是近似符合正弦波动条件，而并不是完全符合，会存在一些误差，也就是接近正弦曲线，但并不是完美的正弦曲线，因此根据第二重建数据生成的图像中条状伪影并不会完全消失，而只是减少。
方法实施例二
参见图8，该图为本发明提供的一种图像重建方法实施例二的流程图。
本实施例提供的图像重建方法包括如下步骤：
步骤S201：获取对被扫描对象进行扫描得到的第一投影数据组。
所述第一投影数据组包括每个投影角度各自对应的第一投影数据。
步骤S202：利用第一投影数据组进行图像重建，得到第一重建数据。
步骤S203：根据所述第一重建数据进行投影计算，得到第二投影数据组。
所述第二投影数据组包括每个投影角度各自对应的第二投影数据。
步骤S204：对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化。
步骤S205：利用优化后的第一投影数据组进行重建，得到第二重建数据。
步骤S206：判断是否满足迭代完成条件，若否，则返回执行步骤S203，并将步骤S203中的第一重建数据替换为所述第二重建数据；若是，则执行步骤S207。
在本实施例中，为了实现减少更多的条状伪影，得到更好的图像质量，采用迭代的方式，反复对重建数据进行投影、相关性计算以及重建。具体的，当得到第二重建数据后，根据第二重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据。需要注意的是，在本轮迭代中，所述第二投影数据组是根据第二重建数据投影计算得到的，而不是根据上一轮迭代过程中根据第一重建数据投影计算得到。然后对每个投影角度对应的第一投影数据和第二投影数据 分别进行相关性计算，其中所述第一投影数据为对被扫描对象进行扫描得到原始的投影数据。若第一投影数据和第二投影数据的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，实现对所述第一投影数据组的再次优化。再次优化后的第一投影数据组比第一次优化后的第一投影数据组更加接近理想中的正弦曲线，因此使得图像中的条状伪影更少，对比度更高，图像质量更好。最后，利用再次优化后的第一投影数据组进行重建，得到第三重建数据。以此类推进行循环迭代。每一轮迭代中在得到重建数据之后，判断是否满足迭代完成条件，若满足，则停止迭代，利用迭代完成得到的最终的重建数据生成图像；若不满足，则继续迭代，直到满足迭代条件为止。多次循环迭代得到的图像条状伪影会越来越少，对比度会越来越高，图像质量会越来越好。
所述迭代条件可以是达到预设迭代次数，或者是优化后的重建数据与优化前的重 建数据之间的差异小于或等于预设限值，即 其中，Mi (x,y)为第i轮迭代得到的重建数据，Mi-1(x,y)为第i-1轮迭代得到的重建数据。也就是说， 若第i轮迭代得到的图像和第i-1轮迭代得到的图像之间差异足够小，就可以停止迭代。当 然，这两种条件并不构成对本发明的限定，本领域技术人员还可以根据实际需求进行设计。
步骤S207：利用迭代完成后最终得到的重建数据生成图像，实现图像重建。
本实施例通过循环迭代实现了进一步减少图像条状伪影、提高对比度、提升图像质量的目的。
基于以上实施例提供的一种图像重建方法，本发明实施例还提供了一种图像重建装置，下面结合附图来详细说明其工作原理。
装置实施例一
参见图9，该图为本发明提供的一种图像重建装置实施例一的结构框 图。
本实施例提供的图像重建装置包括：获取单元101、第一图像重建单元102、投影单元103、计算单元104、第二图像重建单元105和图像生成单元106；其中，所述获取单元101与所述第一图像重建单元102连接，所述第一图像重建单元102和所述投影单元103连接，所述投影单元103和所述计算单元104连接，所述计算单元104和所述第二图像重建单元105连接，所述第二图像重建单元105和所述图像生成单元106连接；
所述获取单元101，用于获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据。
所述第一图像重建单元102，用于利用第一投影数据组进行图像重建，得到第一重建数据，所述第一投影数据组包括每个投影角度各自对应的第一投影数据。
所述投影单元103，用于根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据。
所述计算单元104，用于对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化。
在一种可能实现的方式中，所述计算单元104，具体用于：
对每个投影角度对应的第一投影数据和第二投影数据分别计算二者的相关系数，若所述相关系数的数值小于或等于第一阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
在另外一种可能实现的方式中，所述计算单元104，具体用于：
分别计算每个投影角度对应的由第一投影数据和第二投影数据的范数，若所述范数大于或等于第二阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
上述两种可能的实现方式并不构成对本发明的限定，本领域技术人员可以根据实际情况自行设定。
所述第二图像重建单元105，用于利用优化后的第一投影数据组进行图 像重建，得到第二重建数据。
所述图像生成单元106，用于根据所述第二重建数据生成图像，实现图像重建。
在本实施例中，利用扫描得到的第一投影数据组进行图像重建，得到第一重建数据，然后将第一重建数据进行投影计算得到第二投影数据组，接着对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，如果二者的相关性满足预设条件，也就是第一投影数据和第二投影数据之间的差异较大，则认为第一投影数据为缺失或损坏的投影数据，并将所述第一投影数据替换为第二投影数据，由于第二投影数据比第一投影数据更加满足正弦条件，因此实现了对第一投影数据组的优化。当对所有的投影角度都进行相关性计算后，根据优化后的第一投影数据组进行图像重建，得到第二重建数据，相对于利用优化前的第一投影数据进行图像重建得到的图像，利用所述第二重建数据生成的图像减少了条状伪影，提高的图像对比度，提升了图像的质量。
装置实施例二
参见图10，该图为本发明提供的一种图像重建装置实施例二的结构框图。
基于所述装置实施例一，本实施例提供的图像重建装置还包括：迭代判断单元107，分别与所述第二图像重建单元105和投影单元103连接，用于判断是否满足迭代完成条件，若否，则将所述第二重建数据发送至所述投影单元103，以进行迭代，并激活所述投影单元103；若是，则激活所述图像生成单元106；
所述投影单元103，还用于根据所述第二重建数据进行投影计算，得到第二投影数据组；
所述图像生成单元106，具体用于利用迭代完成后最终得到的重建数据生成图像，以实现图像重建。
本实施例通过循环迭代实现了进一步减少图像条状伪影、提高对比度、提升图像质量的目的。
本发明图像重建装置的实施例一和实施例二可以应用在投影系统的设备或者任何具有处理器(特别是图像处理器)的电子设备上，所述电子设备可以是现有的、正在研发的或将来研发的任何电子设备，包括但不限于：现有的、正在研发的或将来研发的台式计算机、膝上型计算机、移动终端(包括智能手机、非智能手机、各种平板电脑)等。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在投影系统的设备或带有处理器的电子设备的处理器将存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图11所示，为本发明图像重建装置所在投影系统的设备或带有处理器的电子设备的一种硬件结构图，除了图11所示的处理器、内存、网络接口、以及存储器之外，实施例中装置所在的投影系统的设备或带有处理器的电子设备通常根据该设备的实际功能，还可以包括其他硬件，对此不再赘述。
其中，存储器中可以存储有图像重建方法对应的逻辑指令，该存储器例如可以是非易失性存储器(non-volatile memory)。处理器可以调用执行存储器中的保存的逻辑指令，以执行上述的图像动态范围调整方法。
图像重建方法对应的逻辑指令的功能，如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
设备实施例：
基于以上实施例提供的一种图像重建方法和装置，本发明实施例还提供了一种图像重建设备，所述设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
利用所述第一投影数据组进行图像重建，得到第一重建数据；
根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据；
对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；
利用优化后的第一投影数据组进行重建，得到第二重建数据；
根据所述第二重建数据生成图像，实现图像重建。
当介绍本发明的各种实施例的元件时，冠词“一”、“一个”、“这个”和“所述”都意图表示有一个或多个元件。词语“包括”、“包含”和“具有”都是包括性的并意味着除了列出的元件之外，还可以有其它元件。
本发明实施例中提到的“第一”、“第二”只是用来做名字标识，并不代表顺序上的第一、第二。
需要说明的是，本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及 模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种图像重建方法，其特征在于，所述方法包括：
获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
利用所述第一投影数据组进行图像重建，得到第一重建数据；
根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据；
对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；
利用优化后的第一投影数据组进行重建，得到第二重建数据；
根据所述第二重建数据生成图像，实现图像重建；
其中，所述第二投影数据组比所述第一投影数据组更接近理想投影情况下的投影数据；
所述若二者的相关性满足预设条件，表示所述第一投影数据为缺失或者损坏的投影数据。
2.根据权利要求1所述的方法，其特征在于，所述对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据包括：
对每个投影角度对应的第一投影数据和第二投影数据分别计算二者的相关系数，若所述相关系数的数值小于或等于第一阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
3.根据权利要求1所述的方法，其特征在于，所述对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据包括：
分别计算每个投影角度对应的第一投影数据和第二投影数据的范数，若所述范数大于或等于第二阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
4.根据权利要求1至3任意一项所述的方法，其特征在于，在得到第二重建数据之后，所述方法还包括：
若不满足迭代完成条件，则返回执行根据所述第一重建数据进行投影计算的步骤，并将该步骤中的第一重建数据替换为所述第二重建数据，以进行迭代；
所述根据所述第二重建数据生成图像包括：
利用迭代完成后最终得到的重建数据生成图像。
5.根据权利要求4所述的方法，其特征在于，所述迭代条件包括达到迭代次数，或上一次迭代得到的重建数据与本次迭代得到的重建数据之间的差异小于或等于预设限值。
6.根据权利要求1所述的方法，其特征在于，所述利用第一投影数据组进行图像重建包括：
根据滤波反投影算法、直接反投影算法或傅立叶直接变换法对第一投影数据组进行图像重建。
7.根据权利要求1或6所述的方法，其特征在于，所述利用优化后的第一投影数据组进行重建包括：
根据滤波反投影算法、直接反投影算法或傅立叶直接变换法对优化后的第一投影数据组进行重建。
8.一种图像重建装置，其特征在于，所述装置包括：获取单元、第一图像重建单元、投影单元、计算单元、第二图像重建单元和图像生成单元；其中，所述获取单元与所述第一图像重建单元连接，所述第一图像重建单元和所述投影单元连接，所述投影单元和所述计算单元连接，所述计算单元和所述第二图像重建单元连接，所述第二图像重建单元和所述图像生成单元连接；
所述获取单元，用于获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
所述第一图像重建单元，用于利用第一投影数据组进行图像重建，得到第一重建数据，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
所述投影单元，用于根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据；
所述计算单元，用于对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；
所述第二图像重建单元，用于利用优化后的第一投影数据组进行图像重建，得到第二重建数据；
所述图像生成单元，用于根据所述第二重建数据生成图像，实现图像重建；
其中，所述第二投影数据组比所述第一投影数据组更接近理想投影情况下的投影数据；
所述若二者的相关性满足预设条件，表示所述第一投影数据为缺失或者损坏的投影数据。
9.根据权利要求8所述的装置，其特征在于，所述计算单元，具体用于：
对每个投影角度对应的第一投影数据和第二投影数据分别计算二者的相关系数，若所述相关系数的数值小于或等于第一阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
10.根据权利要求8所述的装置，其特征在于，所述计算单元，具体用于：
分别计算每个投影角度对应的第一投影数据和第二投影数据的范数，若所述范数大于或等于第二阈值，则将该投影角度对应的第一投影数据替换为第二投影数据。
11.根据权利要求8至10任意一项所述的装置，其特征在于，所述装置还包括：
迭代判断单元，分别与所述第二图像重建单元和投影单元连接，用于判断是否满足迭代完成条件，若否，则将所述第二重建数据发送至所述投影单元，以进行迭代，并激活所述投影单元；若是，则激活所述图像生成单元；
所述投影单元，还用于根据所述第二重建数据进行投影计算，得到第二投影数据组；
所述图像生成单元，具体用于利用迭代完成后最终得到的重建数据生成图像，以实现图像重建。
12.一种图像重建设备，其特征在于，所述设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取对被扫描对象进行扫描得到的第一投影数据组，所述第一投影数据组包括每个投影角度各自对应的第一投影数据；
利用所述第一投影数据组进行图像重建，得到第一重建数据；
根据所述第一重建数据进行投影计算，得到第二投影数据组，所述第二投影数据组包括每个投影角度各自对应的第二投影数据；
对每个投影角度对应的第一投影数据和第二投影数据分别进行相关性计算，若二者的相关性满足预设条件，则将该投影角度对应的第一投影数据替换为第二投影数据，以实现对所述第一投影数据组的优化；所述第一投影数据和所述第二投影数据的相关性用于表征所述第一投影数据和所述第二投影数据的相关关系密切程度；利用优化后的第一投影数据组进行重建，得到第二重建数据；
根据所述第二重建数据生成图像，实现图像重建。
CN201510920976.5A 2015-12-11 2015-12-11 一种图像重建方法、装置及设备 Active CN105551001B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510920976.5A CN105551001B (zh) 2015-12-11 2015-12-11 一种图像重建方法、装置及设备
EP16201077.1A EP3182377B1 (en) 2015-12-11 2016-11-29 Image reconstruction
US15/366,719 US10008012B2 (en) 2015-12-11 2016-12-01 Image reconstruction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510920976.5A CN105551001B (zh) 2015-12-11 2015-12-11 一种图像重建方法、装置及设备

Publications (2)

Publication Number Publication Date
CN105551001A CN105551001A (zh) 2016-05-04
CN105551001B true CN105551001B (zh) 2019-01-15

Family

ID=55830177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510920976.5A Active CN105551001B (zh) 2015-12-11 2015-12-11 一种图像重建方法、装置及设备

Country Status (3)

Country Link
US (1) US10008012B2 (zh)
EP (1) EP3182377B1 (zh)
CN (1) CN105551001B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561467A (zh) * 2017-07-31 2018-01-09 上海东软医疗科技有限公司 磁共振多对比度图像重建方法和装置
CN108010096A (zh) * 2017-11-30 2018-05-08 上海联影医疗科技有限公司 Cbct图像重建方法、装置和cbct设备
WO2019183287A1 (en) * 2018-03-20 2019-09-26 The Medical College Of Wisconsin, Inc. Method for real-time motion monitoring and dose accumulation in magnetic resonance guided therapies using simultaneous orthogonal plane imaging
CN110211199B (zh) * 2019-06-10 2023-07-18 上海联影医疗科技股份有限公司 图像重建方法、装置、计算机设备和存储介质
CN117152077A (zh) * 2023-08-30 2023-12-01 苏州谱睿源电子有限公司 基于层析融合技术的无损探测方法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102105106A (zh) * 2008-08-07 2011-06-22 株式会社日立医疗器械 X射线ct图像形成方法和应用了该方法的x射线ct装置
CN103310432A (zh) * 2013-06-25 2013-09-18 西安电子科技大学 基于四阶全变分流的ct图像归一化的金属伪影校正法

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US215024A (en) * 1879-05-06 Improvement in try-squares
ATE477559T1 (de) 2003-03-14 2010-08-15 Koninkl Philips Electronics Nv Bewegungskorrigiertes dreidimensionales volumenabbildungsverfahren
JP4409223B2 (ja) 2003-07-24 2010-02-03 東芝医用システムエンジニアリング株式会社 Ｘ線ｃｔ装置及びｘ線ｃｔ用逆投影演算方法
US7254209B2 (en) 2003-11-17 2007-08-07 General Electric Company Iterative CT reconstruction method using multi-modal edge information
EP1714255B1 (en) 2004-02-05 2016-10-05 Koninklijke Philips N.V. Image-wide artifacts reduction caused by high attenuating objects in ct deploying voxel tissue class
US7154987B2 (en) * 2004-09-09 2006-12-26 The Regents Of The University Of Michigan Projection gating of x-ray CT scan
WO2008147416A1 (en) 2007-05-31 2008-12-04 General Electric Company Methods and systems to facilitate correcting gain fluctuations in image
JP5511189B2 (ja) 2009-01-05 2014-06-04 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像再構成方法およびｘ線ｃｔ装置
JP2012515592A (ja) 2009-01-21 2012-07-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 大きい視野のイメージング並びに動きのアーチファクトの検出及び補償ための方法及び装置
US8577113B2 (en) 2009-10-22 2013-11-05 Koninklijke Philips N.V. Image reconstruction for truncated detector array
US20130129178A1 (en) 2010-08-04 2013-05-23 Koninklijke Philips Electronics N.V. Method and system for iterative image reconstruction
US20120128265A1 (en) 2010-11-23 2012-05-24 Toshiba Medical Systems Corporation Method and system utilizing iterative reconstruction with adaptive parameters for computer tomography (ct) images
US8705828B2 (en) 2011-08-31 2014-04-22 Carestream Health, Inc. Methods and apparatus for super resolution scanning for CBCT system and cone-beam image reconstruction
US8983161B2 (en) * 2011-11-09 2015-03-17 Varian Medical Systems International Ag Automatic correction method of couch-bending in sequence CBCT reconstruction
KR101351583B1 (ko) 2012-10-10 2014-01-16 한국과학기술원 의료 영상 이미징 방법, 그에 따른 의료 진단 장치 및 그에 따른 기록 매체
CN103136773B (zh) 2013-02-05 2016-05-18 南方医科大学 一种稀疏角度x射线ct成像方法
US9128584B2 (en) 2013-02-15 2015-09-08 Carl Zeiss X-ray Microscopy, Inc. Multi energy X-ray microscope data acquisition and image reconstruction system and method
CN104167007B (zh) 2013-05-17 2018-02-27 上海联影医疗科技有限公司 基于部分扫描的ct图像重建方法、装置及ct设备
TWI517093B (zh) 2013-10-11 2016-01-11 Univ Nat Yang Ming Computer tomography reconstruction method
KR20150058858A (ko) 2013-11-21 2015-05-29 삼성전자주식회사 영상 복원 유닛, 방사선 촬영 장치 및 영상 복원 방법
CN103745488A (zh) 2013-12-31 2014-04-23 沈阳东软医疗系统有限公司 一种计算机断层成像中生成投影数据的方法和装置
US9959631B2 (en) * 2014-02-21 2018-05-01 Samsung Electronics Co., Ltd. Tomography apparatus and method for reconstructing tomography image thereof
US10013740B2 (en) * 2014-06-04 2018-07-03 The Johns Hopkins University Model-based tomographic reconstruction with correlated measurement noise
CN104200500B (zh) 2014-07-29 2017-06-06 沈阳东软医疗系统有限公司 一种心脏图像的重建方法及装置
CN104323789B (zh) 2014-09-25 2017-08-25 沈阳东软医疗系统有限公司 一种ct扫描图像重建方法及ct扫描仪
US10013779B2 (en) * 2015-06-22 2018-07-03 Toshiba Medical Systems Corporation Metal artifact reduction for 3D-digtial subtraction angiography

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102105106A (zh) * 2008-08-07 2011-06-22 株式会社日立医疗器械 X射线ct图像形成方法和应用了该方法的x射线ct装置
CN103310432A (zh) * 2013-06-25 2013-09-18 西安电子科技大学 基于四阶全变分流的ct图像归一化的金属伪影校正法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Probabilistic Object Model for Computerized Transverse Axial Tomography;M.Tasto;《Institut of Electrical and Electronics Engineers》;19740813;第396-397页
A Tomographic Image Reconstruction from Limited View Angle Projection Data;Hiroyuki Kudo 等;《Systems and Computers in Japan》;19880701;第19卷(第7期);第56-64页
Preliminary Study on Helical CT Algorithms for Patient Motion Estimation and Compensation;Ge Wang;《IEEE Transactions on Medical Imaging》;19950601;第14卷(第2期);第205-211页

Also Published As

Publication number Publication date
EP3182377A1 (en) 2017-06-21
EP3182377B1 (en) 2020-01-01
US20170169586A1 (en) 2017-06-15
CN105551001A (zh) 2016-05-04
US10008012B2 (en) 2018-06-26

Similar Documents

Publication Publication Date Title
CN105551001B (zh) 一种图像重建方法、装置及设备
US7664339B2 (en) Image processing method for object recognition and dynamic scene understanding
Kim et al. Low‐dose CT reconstruction using spatially encoded nonlocal penalty
WO2008001207A2 (en) Image processing system, image processing program, and image processing method
US9800852B1 (en) Color reconstruction
CN110555812A (zh) 图像调整方法、装置和计算机设备
Temiz et al. Super resolution of B-mode ultrasound images with deep learning
Kawasaki et al. An image processing approach to feature-preserving B-spline surface fairing
CN110647859B (zh) 人脸图像分解方法和装置、电子设备及存储介质
Fuentes-Jimenez et al. Texture-generic deep shape-from-template
CN110874855B (zh) 一种协同成像方法、装置、存储介质和协同成像设备
Jiang et al. Fast four‐dimensional cone‐beam computed tomography reconstruction using deformable convolutional networks
Arcadu et al. A forward regridding method with minimal oversampling for accurate and efficient iterative tomographic algorithms
US10163233B2 (en) Image reconstruction
CN108629798A (zh) 基于gpu的图像快速配准方法
CN108961391A (zh) 一种基于曲率滤波的表面重构方法
Wu et al. Motion artifact reduction in abdominal MRIs using generative adversarial networks with perceptual similarity loss
US20220172421A1 (en) Enhancement of Three-Dimensional Facial Scans
Schindler Geometry and construction of straight lines in log-polar images
Fischl et al. Rapid anisotropic diffusion using space-variant vision
KR20210040607A (ko) 뉴럴 네트워크를 이용한 콘빔 단층촬영 영상 처리 방법 및 그 장치
Chukanov et al. Combination of voxel‐based and projection‐based methods in terms of convergence for CT reconstruction
Bu et al. Hidden Object Masking using Deep Learning
Parker Flexible Attenuation Fields: Tomographic Reconstruction From Heterogeneous Datasets
CN118644570A (zh) 一种超稀疏角ct图像的重建方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province

Patentee after: DongSoft Medical System Co., Ltd.

Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16

Patentee before: Dongruan Medical Systems Co., Ltd., Shenyang

CP03 Change of name, title or address